Extrair texto de PDF digitalizado — OCR grátis no navegador

Um PDF digitalizado é basicamente uma fotografia de papel — você vê o texto mas não consegue selecionar, buscar ou copiar. Para tornar utilizável você precisa de OCR (reconhecimento óptico de caracteres). A maioria dos OCRs online exige upload e cadastro. Veja como fazer OCR grátis, inteiramente no seu navegador.

O que o OCR realmente faz

O OCR analisa cada imagem de página, identifica as formas das letras e as converte em texto Unicode real. O layout original é preservado, o resultado ainda parece a digitalização mas por baixo há agora texto pesquisável. Uma digitalização de 10 páginas processa em 10–30 segundos dependendo da CPU.

Por que o OCR no navegador supera o OCR na nuvem

Os serviços OCR na nuvem (mesmo os gratuitos) enviam seu documento digitalizado aos servidores deles. Se a digitalização contém um documento de identidade, uma declaração fiscal ou um contrato, você acabou de compartilhar com terceiros. O OCR no navegador roda o motor de reconhecimento (Tesseract.js compilado para WebAssembly) inteiramente no seu dispositivo — o arquivo nunca sai do navegador.

Como fazer OCR em PDF digitalizado no navegador

Abra a ferramenta de OCR, solte o PDF digitalizado, escolha o idioma do documento (português, inglês, alemão, francês, espanhol, italiano, neerlandês, polonês, japonês, coreano, hindi, árabe, chinês — e mais de 90 outros) e clique em Processar. A saída é um PDF pesquisável que você pode baixar. Abra em qualquer visualizador PDF e use Ctrl+F para buscar.